Bilmen gereken 3 şey
- Araştırmacılar 324 örnek ve sıcaklık, nano parçacık yoğunluğu, boyut, iletkenlik ile faz durumu dahil altı giriş değişkeni kullandı.
- Altı makine öğrenmesi modeli ile beş klasik ampirik bağıntı karşılaştırıldı; çok katmanlı algılayıcı en iyi genel performansı verdi.
- En iyi model R²=0,9924, RMSE=0,0476 ve yüzde 3,10 ortalama mutlak yüzde hata bildirdi.
Bu gelişme nereyi etkiliyor?
ANALİZİ
Bu puanlar haberin kapsamı, etkilenen kişi ve sektörler ile kısa–orta vadeli sonuçları dikkate alınarak editoryal olarak hazırlanır.
Ne oldu?
Faz değişimli malzemeler ısıyı depolayabiliyor ancak düşük ısı iletkenliği uygulamaları sınırlıyor. Çalışma, nano katkıların etkisini deneysel olarak her kombinasyonu üretmeden önce tahmin edebilecek veri odaklı modelleri kıyasladı.
Model çoğu parametre aralığında fiziksel eğilimleri yakaladı; yüksek parçacık yoğunluğu, uç sıcaklıklar ve bazı malzeme türlerinde hata bir miktar arttı. Sonuçlar veri merkezlerinde ölçülmüş bir enerji tasarrufu değil, termal enerji depolama ve soğutma tasarımına yönelik bir malzeme tahmini çalışması.
Neden önemli?
Yapay zekâ altyapısında enerji yalnızca işlemcilere değil, soğutmaya da harcanıyor. Isıyı depolayan ve taşıyan malzemelerin daha hızlı tasarlanması; batarya, bina ve veri merkezi termal yönetiminde verimlilik araştırmalarını hızlandırabilir.
Enerji gündemi nasıl ilerledi?
Haberin dayandığı özgün duyuruyu inceleyebilirsin.
Bu haber hakkında topluluk sohbetini başlatabilirsin.